Análisis Comparativo de algoritmos de Inteligencia Artificial para procesos de selección de personal
Revista Científica Multidisciplinar G-nerando · 20.11.2025 · 6 (2)
DOI: 10.60100/rcmg.v6i2.842 ↗Kurz gefasst
Fachartikel in der Zeitschrift Revista Científica Multidisciplinar G-nerando, online erschienen am 20.11.2025. Verfasst von Jonathan Joel Mendoza Vélez und 1 weiteren Autor:innen. Die Arbeit wurde bisher 1-mal zitiert (Crossref) und nennt 16 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY-NC 4.0).
Abstract (Originalsprache)
La Inteligencia Artificial (IA) se ha convertido en una herramienta estratégica para optimizar la selección de personal, al mejorar la precisión en la identificación de candidatos y reducir los tiempos de contratación. Este estudio tuvo como objetivo comparar el desempeño de tres algoritmos de clasificación: Random Forest (RF), Máquinas de Soporte Vectorial (SVM) y Redes Neuronales Profundas (DNN), evaluados mediante métricas como accuracy, recall, F1-score, tiempos de ejecución, gap de generalización y Área Bajo la Curva ROC (AUC). El conjunto de datos utilizado proviene de Kaggle (Predicting Hiring Decisions in Recruitment Data), con 1.500 registros, 10 variables predictoras y la variable objetivo HiringDecision, incluye datos demográficos, historial laboral y evaluaciones del proceso de selección. Se diseñó una metodología propia ajustada a las necesidades de selección de personal, con fases para la preparación de datos, balanceo de clases con SMOTE, entrenamiento de modelos, ajuste de hiperparámetros y análisis de métricas en dos escenarios: sin balanceo y con SMOTE, empleando Python y bibliotecas como Scikit-learn y TensorFlow. Los hallazgos muestran que RF sin balanceo alcanzó el mayor AUC (0.94) y la mejor combinación de accuracy (91%), recall (82%) y F1-score (84%). SVM destacó por su rapidez y bajo gap de generalización (3.2%), y DNN obtuvo un AUC adecuado (0.92), aunque con mayor costo computacional. RF se posiciona como el modelo más apropiado para la selección de personal por su equilibrio entre rendimiento y capacidad predictiva, mientras que SVM se presenta como una alternativa eficaz en escenarios donde la velocidad es prioritaria.
Zitieren
APA
Vélez, J. J. M., & Cevallos, R. A. A. (2025). Análisis Comparativo de algoritmos de Inteligencia Artificial para procesos de selección de personal. Revista Científica Multidisciplinar G-nerando, 6(2). https://doi.org/10.60100/rcmg.v6i2.842
Vancouver
Vélez JJM, Cevallos RAA. Análisis Comparativo de algoritmos de Inteligencia Artificial para procesos de selección de personal. Revista Científica Multidisciplinar G-nerando. 2025;6(2). doi:10.60100/rcmg.v6i2.842
BibTeX
@article{Vlez2025,
author = {Vélez, Jonathan Joel Mendoza and Cevallos, Roberth Abel Alcívar},
title = {Análisis Comparativo de algoritmos de Inteligencia Artificial para procesos de selección de personal},
journal = {Revista Científica Multidisciplinar G-nerando},
year = {2025},
volume = {6},
number = {2},
doi = {10.60100/rcmg.v6i2.842}
}
EUVIMED